Australia Data

我们已经以用例的形式讨论了其中的一些要点，以及新模型如何发挥作用。除此之外，以下是我对未来人工智能在营销中的应用的一些预测。

让我们从一些通用的开始：

随着时间的推移，人工智能模型将变得更加准确、更加安全、更加可靠。
人工智能在营销中的采用和实际应用将会增加。
目前，人工智能主要关注工具或用例有多酷。但很快它将面临以美元计算的投资回报率的压力。
现在，让我们来看看一些具体的预测：

——除非是人工智能无法轻易理解的非常小众的领域。因此，即使是 Canva 或 Figma 这样的工具（至少是其平台的一部分）也将转向一种模式，用户可以使用提示和小输入（如标题、描述、品牌模板等）来创建设计。
人工智能将进入营销领域中更平凡、更细分的任务。收入归因就是一个例子。通过分析渠道和漏斗数据，基于人工智能的生成工具将能够以相当高的准确度绘制出对业务收入有贡献的渠道。
GPT-4 目前接受文本和图像作为输入。它可能会通过在列表中添 推特数据 加更多内容格式（例如 gif 和视频）来扩展这一范围。
一批有助于验证基于生成式人工智能工具输出的新工具将会出现（事实上，这已经开始一点一点地发生了）。
就像 SaaS 行业目前正在经历整合一样，3 到 4 年后，AI 领域也会发生同样的情况。它将以两种趋势之一或两种趋势为特征——首先是主流参与者在其核心产品之外提供 AI 解决方案（例如 HubSpot 开发了 ChatSpot），其次是专门的 AI 公司为营销人员提供大量 AI 产品。
最后的话
生成式人工智能是一个沉重的话题（也是一个不断发展的领域）。它在营销中的应用不是一篇文章就能涵盖的。由于我无法过多地介绍细节，如果您感兴趣的话，我建议您多读一些这方面的资料。

该领域的思想领袖之一是 营销人工智能研究所。我看到他们创建了大量与营销中的人工智能相关的精彩内容。这是一个让您学习与生成式人工智能（以及一般人工智能）在营销中的应用相关的一切知识的好地方（我曾使用该网站作为本文以及我之前几篇文章的参考）。

此外，正如我经常在我的文章和其他形式的内容中提到的那样，我在本文中提到的工具是根据我的经验以及其他线上和线下资源精心挑选出来的。如果您正在考虑使用其中任何一种，请自行进行彻底的研究和评估，以确保它适合您的业务用例。

当听到“用户生成内容”这个词时，我们大多数人都会想到案例研究。它们是 B2B 领域中最好的用户生成内容 (UGC) 形式之一。但 UGC 的作用远不止案例研究——其中一些是直接的，还有一些是间接的。

在本文中，我们将探讨这两种方式。我们还将讨论将用户生成内容纳入营销工作的一些非常规方法（否则您可能不会将其视为 UGC）。